UNIVERSIDAD NACIONAL DE INGENIERIA
FACUL TAO DE INGENIERIA INDUSTRIAL Y DE SISTEMAS
SECCION DE POSGRADO
APLICACIÓN DE LOS SISTEMAS EXPERTOS EN
EL SECTOR PESQUERO
TESIS
Para Optar el Grado Académico de
MAESTRO EN CIENCIAS
CON MENCION EN INGENIERIA DE SISTEMAS
RICARDO VILCHEZ CHUMACERO
t .2.3. Factores
1 .2.4. Desarrollo de un Sistema Experto
1.2.5. Lógica de primer orden
1.2.6. Ingeniería del conocimiento
1.2.7. Ontología
1.3. Biosistemas
1.3.1. Ecosistema
1.3.2. Estructura trófica
1.3.3. Comunidad Ecológica
1.3.4. Pesquerías
1.3.5. Peces marinos peruanos
1.4. Representación del Conocimiento
1.4.1. Modelos
1.4.2. Mapas conceptuales
1.4.3 Mapas mentales
1.4.4. Red semántica
1.4.5. Árboles
CAPITULO 11: ESTADO DEL ARTE EN IDENTIFICACION DE PECES
2.1. Antecedentes Históricos
2.2. Métodos y modelos de identificación de peces
2.3. Software
2.4. Una visión desde Internet
2.5. Resumen del estado del arte.
CAPITULO 111. ESTADO DEL ARTE EN DINAMICA DE POBLACIONES
DE PECES
3.1. Antecedentes Históricos
3.2. Población y Stock de Peces
3.2.1. Poblaciones de peces
3.2.2. Stock de peces
3.3. Variaciones de las pesquerías 3.4. Modelamiento y métodos
3.5. Software: utilidad, aplicaciones y usos 3.6. Resumen del estado del arte
CAPITULO IV: SISTEMA EXPERTO PESQUERO
84
86
86
87
88
90
93
95
4.1. Modulo Clips 106
4.1.1. Árboles de decisión que aprenden 107 4.1.2. Árbol de decisión de peces marinos peruanos. 107
4.2. Modulo Programación Lógica 113
4.2.1. SWI-Prolog 113
4.2.2. Visual Prolog 119
4.3. Modulo Base de Datos 121
4.4. Modulo Stella 125
4.4.1. Modelización de la Población de Peces 125 4.4.2. Modelización del Subsistema Barcos 129 4.4.3. Modelización del Subsistema Conexión 133
4.4.4. Combinación de los Subsistemas 136
4.4.6. Modelo Anchoveta 141
4.4.7. Evolución del Modelo Anchoveta 149
4.4:8. Evolución de dos especies. Modelo Volterra-1 154
CAPITULO V: CONCLUSIONES Y RECOMENDACIONES
Conclusiones Recomendaciones GLOSARIO
BIBLIOGRAFIA
ANEXOS
159 162 164
169
INDICE DE FIGURAS
Figura 1.1. Curva de Crecimiento Exponencial
Figura 1.2. Ciclo de vida genérico
Figura 1.3. Pasos en el desarrollo de un sistema experto
Figura 1.4. El nivel más elevado de la ontología del mundo.
Figura 1.5. Los niveles de organización
Figura 1.6. La cibernética en la jerarquía de los organismos y
ecosistemas
Pág.
10
11
24
32
37
38
Figura 1. 7. Co.mbinación de las cadenas de detrívoros y los herbívoros 41
Figura 1.8. Componentes básicos en la modelación de ecosistemas 55
Figura 1.9. Mapa Conceptual sobre plantas. 57
Figura 1.1 O. Mapa Mental del avance de Tesis 60
Figura 1.11.Red Semántica de Peces. 63
Figura 1.12. Ejemplo de árbol 64
Figura 1.13. Árbol de decisión para identificar Sistemas Operativos 67
Figura 1.14. Árbol de decisión de identificación de Sistemas Operativos 68
Figura 4.1. Modelo de bloques de Peces Marinos Peruanos 99
Figura 4.2. Árbol mostrando especies de secciones A y D. 100
Figura 4.3. Modelo de Peces Marinos Peruanos 103
Figura 4.4. Árbol binario mostrando la Sección B de los Tiburones 104
Figura 4.5. Árbol mostrando la Sección C de las Rayas 105
Figura 4.6. Árbol de decisión de peces marinos peruanos 108
Figura 4.7. Árbol de decisión para identificar Peces marinos peruanos
aprendiendo. 11 O
Figura 4.8. Árbol de decisión para identificar dos especies de Peces 112
marinos peruanos
Figura 4.9. Detalle de un Registro de Pez Marino Peruano 123
Figura 4.1 O. Diagrama Entidad-Relación 124
Figura 4.11. Diagramas Forrester en STELLA 6.01 127
Figura 4.12. Gráfico de la Tasa de Mortalidad 127
Figura 4.13. Comportamiento de la Población de peces a lo largo del 128
tiempo.
Figura 4.14. Población de peces al introducir peces extra 129
Figura 4.15: D_iagrama de Forrester en STELLA del Subsistema Barcos 131
Figura 4.16. Simulación del modelo mostrando el crecimiento del 131
número de barcos.
Figura 4.17. Crecimiento de las ganancias anuales 131
Figura 4.18. Numero de barcos constante al disminuir la Captura por 132
Barco a 10.
por Barco a 1 O.
Figura 4.20. Ganancias totales iguales a cero con un valor de Captura 133
por de Barco de 12.5
Figura 4.21. Diagrama de Forrester del Subsistema Conexión 135
Figura 4.22. Gráfico de Captura por Barco. 135
Figura 4.23. Gráfico del comportamiento del Subsistema Conexión 136
Figura 4.24. Diagrama en STELLA del Sistema Dinámico Pesquero 137
Figura 4.25. Gráfico del comportamiento de la población de PECES 137
y su Captura Total Anual.
Figura 4.26. Gráfico que muestra las Ganancias Anuales 138
Figura 4.27. Diagrama de Forrester en STELLA con la estructura del 145
Modelo Anchoveta.
Figura 4.28. Grafico del número de embarcaciones y captura total anual 146
Figura 4.29. Gráfico del comportamiento de la población de anchovetas 146
Figura 4.30. Gráfico que muestra las embarcaciones con impuesto y la 147
captura total anual.
Figura 4.31. Grafico del comportamiento de la población de anchovetas 148
eón política de impuesto.
Figura 4.32. Diagrama de Forrester del modelo Anchoveta-2. 150
Figura 4.33. Crecimiento de la Población de la especie del modelo 151
Anchoveta2.
Figura 4.34. Evolución en la producción de Harina de Anchoveta 152
Figura 4.35. Diagrama de Forrester del modelo Anchoveta-3. 153
Figura 4.37. Evolución de dos poblaciones del modelo Volterra-1 156
Figura 4.38. Simulación en Stella del modelo Volterra-1 157
Figura 4.39. Evolución de la captura de las poblaciones de anchoveta 157
Sardina.
Figura 4.40. Oscilaciones de las poblaciones de sardina y caballa 158
DESCRIPTORES TEMATICOS
1. ldentifiéación de peces
2. Sistemas Expertos
3. Programación Lógica
4. Redes Semánticas
5. Base de Conocimientos
6. Stock de peces
7. Tragedia de los recursos comunes
8. Sistemas Dinámicos
9. Bases de datos
RESUMEN
En nuestro país existe la necesidad de un sistema que permita identificar o reconocer las diferentes especies de peces, tan abundantes en el mar peruano. Dicha necesidad es más apremiante en la explotación de los recursos pesqueros, es por esta razón que se preparó para los fines aludidos, un estudio técnicas de Inteligencia artificial orientado al desarrollo de un sistema experto que permita el manejo adecuado de información dispersa de la biodiversidad íctica marina peruana y evitar la tragedia de los recursos comunes.
La aplicación de las técnicas, principalmente las de inteligencia artificial, a la Clave para identificar Peces Marinos peruanos y al Catalogo comentado de peces marinos del Perú, ambos de IMARPE, que contienen información de las especies ícticas identificadas en el mar peruano, es posible capturar este conocimiento creando una base de conocimientos y codificarlo en Prolog y Clips obteniendo un sistema de software. Al codificar la base de conocimientos se innovará la forma de realizar los estudios en torno a la fauna acuática peruana, por lo tanto, el desarrollo metodológico de los investigadores de biodiversidad íctica ya no será el mismo, el paradigma cambiará ya que contará con más tiempo para evaluar los resultados.
precisión científica. El sistema experto para el sector pesca permitirá concentrar la base de conocimientos de la fauna íctica marina peruana haciendo posible encontrar especies iguales o similares con precisión científico.
El sistema experto para el sector pesquero consta de 4 Modulas:
Modulo Programación Clips. Tiene como objetivo es identificar la especie marina peruana, conociendo sus caracteres morfológicos; para lograrlo se parte desde la raíz y mediante preguntas el sistema avanza al siguiente nivel, llegando finalmente hasta la especie. Este sistema aprende nuevas características morfológicas y nuevas especies.
Modulo Programación Lógica. Tiene como finalidad mostrar los caracteres morfológicos y el nombre de la especie. Es necesario conocer el código de la especie o su nombre científico, y el sistema muestra el recorrido desde la raíz hasta la especie o viceversa.
Modulo Base de Datos. En éste se emplea la información contenida en el Catálogo comentado de los Peces marinos del Perú, que registra 1070 especies. Se ha diseñado un modelo de datos y se creó una aplicación en PowerBuilder para el registro de cada una de las especies.
INTRODUCCION
En pleno siglo XXI, la importancia de la disponibilidad de información amplia y variada crece proporcionalmente con el aumento de la complejidad de la sociedad actual, de ahí que se señale que nos encontramos en la denominada "Sociedad de la información" o "Sociedad del Conocimiento", en la que las naciones, empresas y entidades estatales, en menor grado, destinan grandes cantidades de recursos a la adquisición, almacenamiento, procesamiento, etc., de la información. Como parte de este engranaje, la Ingeniería de Sistemas y, más concretamente, la rama conocida como Inteligencia Artificial, cuyas aplicaciones son de importancia mayormente prácticas, están basadas en construir un modelo de conocimiento usado por un experto humano.
El potencial de los Sistemas Expertos se fundamenta en su capacidad para automatizar nuevas aplicaciones, lo que hasta ahora no había sido factible realizar, y para agilizar la toma de decisiones sin que se sacrifique por esto la buena calidad de las mismas. Los Sistemas Expertos son un subconjunto especial dentro de los Sistemas Basados en Conocimiento, que constan de una Base de Conocimientos y un motor de inferencias.
biomasa de recursos pesqueros; necesidades objetivas que hacen del sector pesquero un campo en el que se pueden aplicar los Sistemas Expertos.
El problema .de los recursos pesqueros, en su condición de recursos renovables, e�tán expuestos permanentemente a una sobre explotación, por eso es necesario el monitoreo de los mismos con el fin de estimar el efecto que la pesca ejerce sobre ellos y evitar la tragedia de los recursos comunes. El principal propósito de esta investigación es la identificación de la especie, el stock y la construcción de un modelo que muestre la simulación de la población.
El Sistema experto construido logra identificar 688 especies ícticas marinas peruanas, además cuenta con una base de datos 1070 peces marinos. Al hacer un estudio analítico de las cifras de capturas de los últimos 50 años de captura de las especies comerciales los gráficos obtenidos muestran oscilaciones de la biomasa. Finalmente se presentan varios modelos de la población de la especie más estudiada científicamente y la más representativa comercialmente, la anchoveta (Engrau/is ringens).
El contenido de esta Tesis se agrupa en cinco capítulos.
• En el capítulo 1 se examinan las ideas básicas sobre las que se sustenta este trabajo: pensamiento sistémico, sistemas expertos, biosistemas y las diferentes formas de representación de conocimiento.
• En el capítulo 2 se p resenta e I estado d el arte en identificación de peces 9esde las formas tradicionales de identificación de peces a través de pictogramas, guías, manuales, claves y catálogos hasta los métodos modernos como son observaciones submarinas y bases de datos relacionales.
debido a sobrepesca, cambios climáticos y competencia entre especies. Asimismo se analizan los modelos que pueden aplicarse para stock de peces: presa-predador, bio-económicos, banco de peces y la Dinámica de Sistemas. Finalizando con la presentación de algunos paquetes de software para la evaluación de stock de peces. • El capítulo 4 es la parte medular de la tesis. En donde se presenta la
metodología, desarrollo de modelos y construcción del sistema experto pesquero que consta de cuatro Modulas: Clips, Programación lógica, Bases de Datos y Stella.
CAPITULO 1
GENERALIDADES
1.1. PENSAMIENTO SISTÉMICO
El pensamiento sistémico se basa en un creciente cuerpo de teoría relativa al comportamiento de la retroinformación y de la complejidad, es decir, de las tendencias innatas de un sistema que llevan al crecimiento o estabilidad. Hay muchas formas viables de pensamiento sistémico como: Sistemas vivos, Sistemas Auto-organizados, Sistemas Dinámicos e Inteligencia Artificial. Es vital que estas cuatro formas se desarrollen como un conjunto. El pensamiento sistémico las integra fusionándolas en un cuerpo coherente de teoría y practica. Sin una orientación sistémica, no hay motivación para examinar como se interrelacionan. El pensamiento sistémico nos recuerda continuamente que el todo puede superar la suma de sus partes
1.1.1. SISTEMAS
qeneraúáaáes <Rjcaráo 'Vi[cliez Cfiumacero
Un sistema es cualquier todo, cuyos elementos se juntan porque continuamente se afectan unos a otros. "Sistema" viene del griego sunistanai que originalmente quería decir "hacer juntar''. Como sugiere ese origen, la naturaleza de un sistema incluye la percepción en que el observador lo "haga juntar''. Ejemplos de sistemas son los organismos biológicos, la atmósfera, las enfermedades, los nichos ecológicos, fabricas, reacciones químicas, entidades políticas, industrias, familias, equipos y todas las organizaciones.
La disciplina de pensar en sistemas es el estudio de la estructura y comportamiento de estos para lo cual se requiere de una serie de herramientas. Además los que tienen experiencia de Pensar en Sistemas pueden actuar con un poder más eficiente de lo que generalmente permite una cultura de "corto tramo de atención".
Para SENGE (2002], existe un ámbito viable de prácticas para Pensar en Sistemas, todas con diversos grados de rigor y con distintos puntos de vista sobre la naturaleza de un sistema.
+Sistema total: Esfuerzos para instituir el cambio de toda una organización en lugar de un dominio más estrecho. Pensar en sistema total es por lo general más eficiente que trabajar aisladamente, pues se enfoca al sistema como un ente conformado por un conjunto de subsist�mas q ue, a s u v ez, e stán formados p or I a r eunión d e o tras subsistemas más detallados.
+Sistemas abiertos: Desarrollada por pensadores como Ludwig Von Bertallanffy, Russell Ackoff, Eli Goldratt y otros. Esta escuela de pensamiento busca entender un sistema en términos de sus insumos, productos y límites, en constante interacción con el ambiente.
qenerafiáaáes <Rj,caráo 'Vi[cfiez Cfiumacero
relaciones pueden interactuar y llevar a resultados que nadie elegiría pero que no se pueden evitar.
+Sistemas de procesos: Esta manera de pensar en sistemas, que surgió · del movimiento de calidad y la reingeniería, ve una organización como una serie de flujos de información. Al reajustar las estructuras de comunicación, varían los patrones de comportamiento de la organización.
+Sistemas vivos: Diversas formas de la teoría de complejidad y caos, junto con las teorías de Humberto Maturana, David Bohm y Lynn Margulis, sugieren que existen sistemas emergentes, que del caos saldrán patrones de orden, en forma muy parecida a como se desarrollan los seres vivos.
+Sistemas relacionados con retroalimentación (a veces llamados "dinámi.ca de sistemas" o simplemente "pensar en sistemas") son una amplia serie de técnicas y métodos derivados de la comprensión de los dinámicos procesos de retroinformación (ciclos de refuerzo y equilibrio).
+Simulación de dinámica de sistemas: Este es el tipo de análisis de sistemas propuesto por Jay Forrester y sus colegas, en el que las interacciones de retroinformación se representan por ecuaciones matemáticas no lineales. Puesto que tales ecuaciones describen acumulaciones y crecimiento exponencial, y por lo general son demasiado complicadas para que la gente las pueda manejar, la dinámica de s istemas s e ha s ervido d e I os m odelos y s imulaciones computarizadas.
<;eneraúáaáes IR.jcaráo Vi[cliez Cliumacero
1.1.2. SISTEMAS VIVOS
En los sistemas vivos, se ve el mundo como realmente es: un mundo constantemente pulsante, cambiante, interconectado, de relaciones rápidamente interactuantes en las cuales el orden surge naturalmente del caos sin ser controlado.
El tiempo de la naturaleza es distinto. Es inseparable de los procesos por los cuales la naturaleza produce cambio. La naturaleza crea ciclos como flujo de las estaciones, la migración de las aves y los ciclos del temperamento humano; y crea crecimiento. Los procesos naturales tienen un crecimiento exponencial se aceleran ellos mismos. Según MARTI N [1997] el crecimiento exponencial es producido por un bucle de retroalimentación positiva entre los componentes de un sistema. El comportamiento característico del crecimiento exponencial o compuesto se muestra en la Figura 1.1.
Muchos sistemas habituales muestran el comportamiento exponencial propio de un proceso que se alimenta a si mismo. Por ejemplo, en un sistema e cológico, e I n acimiento d e v enados i ncrementa I a p oblación de venados, lo que a su vez incrementa la cantidad de venados que nacen. E·n su banco, el saldo en su cuenta se incrementa por el interés que recibe por él y mientras mayor se haga su saldo, más interés ganará sobre él.
<;¡eneraúáaáes
1 NIVEL 2000.00
1050 00
!J.?jcaráo 'Vi{cfiez Cfiumacero
l,/1
==±======t�
1
1 i
100.00 i
0.00 3.00 6.00 9.00 12.0C Figura 1. 1. Curva de Crecimiento Exponencial
Todos contienen la estructura genérica de retroalimentación positiva lineal de primer orden, mostrado en la Figura 1.1. La población se relaciona c on I os n acimientos d e I a m isma forma q ue s u s aldo e n e 1 banco se relaciona con el interés que gana y el conocimiento se relaciona· con el aprendizaje.
En biología "nada crece para siempre". Si bien reforzar el crecimiento exponencial es el vehículo de la naturaleza para la expansión, nunca opera libre d e t rabas. El crecimiento en todos los sistemas naturales ocurre mediante interacción entre procesos de refuerzo y procesos limitantes. En la naturaleza el poder de los límites determina la extensión hasta donde el crecimiento sigue la vía de aceleración.
<;enerafiáaáes <Rjcaráo 1/i[cfiez Cliumacero
naturaleza. Nadie esta e xento. E sto e xplica p or q ué a I a I arga p ocos esfuerzos de cambio salen adelante.
Para entender por qué sostener un cambio significativo es tan difícil debemos como biólogos. Podemos empezar por observar que, en general, ·las iniciativas de cambio siguen un ciclo de vida genérico parecido a lo que se indica en la Figura 1.2.
Producción
/ / ,¿
t
Potencial (No realizado) // /
Tiempo Figura 1.2. Ciclo de vida genérico
qenera[ü[aáes <Rj,caráo 'Vifrfiez Cfiumacero
Para un biólogo, la curva de la Figura 1.2 no es idiosincrasia del cambio organizacional. Muestra la pauta que sigue cualquier cosa que crece en la naturaleza, aún de lo que crece y muere "prematuramente". En efecto, el crecimiento en S ocurre tan constantemente en biología que tiene nombre propio: se llama sigmoideo. Todo organismo, desde el ser humano hasta el escarabajo, crece según ese patrón: acelerando, luego desacelerando gradualmente hasta llegar a su tamaño completo de adulto. Las poblaciones biológicas crecen de la misma manera: aceleran durante un tiempo, luego desaceleran gradualmente. Dicha pauta se repite constantemente en la naturaleza debido a la manera como ésta genera y controla el crecimiento.
q eneraúáaáes CJ?jcaráo 'Vi[cfiez Cliumacero
1.1.3. SISTEMAS AUTO-ORGANIZADOS
La característica clave de un sistema o estructura auto-organizada es que se forma sin las restricciones o contribuciones que se aplican desde el exterior. La forma de auto-organización la determinará algo que se conoce como "atractor". Un atractor puede ser algo tan simple como el centro de la bola de un bolígrafo o puede ser muy complejo. Algunos sistemas auto-organizados tienen muchos atractores y es posible que todos deban llegar a un estado estable. [PC-PRO, 2001].
La auto-organización no requiere ningún sentido de utilidad o inteligencia, ni la capacidad de controlar directamente ningún entorno. Esta es inherente a los seres vivos, como es el caso de aves y peces que viven en bandadas o cardúmenes; también a granos de arena organizados en un montón y podría darse con la misma naturalidad en un sistema informático. En la mayoría de los casos, el código real que se ejecuta en un computador se habrá compilado y enlazado con una gran matriz de funciones externas. Sin embargo, la parte central de cualquier Modulo de software seguirá reflejando la estructura impuesta por su autor y funcionará dentro de una matriz de software que es potencialmente única de cualquier máquina dada. Esto se añade a la complejidad global y facilita aún la auto-organización.
Una de las mejores pistas se encuentra en la naturaleza y se han estudiado tres de estos sistemas: montón de arena, aves de Craig Reynolds y la hormiga de Langston.
1.1.4. SISTEMAS DINAMICOS
qeneraúáaáes <Rjcaráo 'Vi[cfiez Cfiumacero
cambios en el tiempo. La dinámica de sistemas es una metodología usada para entender como los sistemas van cambiando en el tiempo. La manera en la cual los elementos o variables de un sistema van cambiando a medida que pasa el tiempo se denomina comportamiento del s istema. E n u n e cosistema, e I c omportamiento e stá r epresentado por las dinámicas de crecimiento y reducción de la población. Este comportamiento se debe a la influencia de la disponibilidad de alimentos, los depredadores y el medio ambiente, que son todos elementos del sistema.
MARTIN, [1997) estableció que una realimentación (feedback) es un proceso por el cual una señal viaja a través de una cadena de relaciones causales hasta relacionarse de nuevo consigo misma. La realimentación se puede dividir en dos categorías: positiva y negativa. Los nombres de positiva o negativa indican si los cambios en la realimentación se hacen en la misma dirección para producir un comportamiento reforzado, o se mueven en direcciones opuestas, para producir equilibrio y un comportamiento estable.
qeneraúáaáes <Rjcaráo ViCcfiez Cfiumacero
producir todos los tipos de comportamientos observados en los sistemas complejos.
Según ALBIN [2000], las estructuras genéricas son estructuras relativamente simples que se presentan recurrentemente en muchas situaciones diversas. Por ejemplo los modelos de una cuenta bancaria y una población de peces ¡comparten la misma estructura básica! La posibilidad de que un mismo tipo de estructura sirva para explicar sistemas diferentes hace que el estudio de estructuras genéricas tenga una gran importancia en dinámica de sistemas.
Los bucles de realimentación son los elementos estructurales primarios de los sistemas. La realimentación en los sistemas es la causa de casi todos los comportamientos dinámicos. La simulación de un sistema dinámico requiere de herramientas informáticas adecuadas. En lo que respecta. a esta tesis se ha empleado el software STELLA, de High Performance Systems, que permite construir modelos empleando procedimientos gráficos, mediante iconos. Asimismo, permite construir los diagramas de Forrester en la pantalla del computador, de modo que al establecer su estructura se generan las ecuaciones. También se puede agrupar elementos en sus modelos, y posee un zoom que permite desenvolverse con modelos complejos.
1.1.5. INTELIGENCIA ARTIFICIAL
qenera[úfades <Rjcardo 'Vifrfiez Cfiumacero
computacionales que tienen cierta capacidad de emular un comportamiento racional, a los que denominamos "sistemas inteligentes".
a) CAMPOS
El desarrollo de la Inteligencia Artificial abarca los siguientes campos: • Sistemas Expertos: En el área de ingeniería, diseño,
detección de fallas, planificación, pronósticos, diagnósticos · médicos, análisis financiero, etc.
• Juegos: los juegos de computadora y de video poseen
. algoritmos que usan la inteligencia artificial para determinar el grado de complejidad de las jugadas.
• Resolución general de problemas: problemas de la vida cotidiana.
• Percepción: reconocimiento de patrones, como por ejemplo el telescopio Hubble, satélites artificiales, observatorios, el proyecto SEIT, etc.
• Comprensión del lenguaje natural: programas y aplicaciones de reconocimiento de voz, comprensión, generación y traducción.
• Robótica: autónomos como el Robot de Honda, robot "Roboug" de Inglaterra, "Titán" de Japón, etc.
• · Demostración de teoremas.
b) ENFOQUES
<;¡enerafiáaáes IJ?jcaráo 'ViCcliez Cliumacero
más afín a la manera como se ha producido el avance científico que· los enfoques basados en la conducta o pensamiento humanos, toda vez que se define claramente lo que será la norma de 1¡3 racionalidad, norma que es de aplicación general.
Sin embargo en el campo científico, en la inteligencia artificial se puede distinguir dos enfoques o métodos en el propósito común de crear máquinas o programas informáticos inteligentes.
1) Método de-abajo-para-arriba.
Se considera que el mejor modo de lograr inteligencia artificial es construyendo réplicas electrónicas de la compleja red neuronal del cerebro humano, de donde surgirán como propiedades emergentes los procesos mentales superiores.
Éste método que busca crear inteligencia de-abajo-para-arriba mediante redes neuronales lidia actualmente con dos obstáculos: lo caro y voluminoso (dada la cantidad enorme de neuronas que habría que replicar para simular el cerebro humano) y la arquitectura actual de la mayoría de las computadoras (que carecen del alto número de rutas de conexión entre sus componentes, requerido para simular las interconexiones de las neuronas).
2) Método de-arriba-para-abajo.
Se juzga que la mejor manera de lograr inteligencia artificial es elaborando programas informáticos que reproduzcan parcial o totalmente los procesos específicos del funcionamiento del cerebro.
qenera[úíaáes !Rjcaráo 'Vi[cfiez Cfiumacero
expertos pueden almacenar estadísticas, interpretarlas, deducir reglas condicionales y aplicarlas. Proceden a la manera de los detectives, usando diagramas de flujo de información o árboles de decisión, con cálculo de probabilidades a partir de pertinente información estadística. Los sistemas expertos son programas informáticos que simulan la capacidad mental que el hombre tiene de analizar sistemáticamente experiencias pasadas para extraer válidas soluciones a problemas presentes y futuros.
e) EL CONOCIMIENTO
La representación del conocimiento es la cuestión esencial en Inteligencia Artificial. En las primeras épocas se supuso que el conocimiento se presentaba en oraciones semejantes a "paquetes", y que, por lo tanto el mejor medio para implantar conocimiento en un programa consistía en desarrollar una forma simple de traducir hechos a pequeños paquetes pasivos de datos. Después cada hecho sería simplemente una pieza de datos disponibles para su utilización por los programas.
El que todo ser humano almacene hechos de una manera más complicada era algo conocido desde hace mucho tiempo por los psicólogos, y descubierto, sólo en épocas recientes, por la investigación en Inteligencia Artificial, la cual se encuentra ahora estudiando los problemas del conocimiento articulado "en bloques", y la diferencia entre los tipos procedimentales y declarativos del conocimiento, esto se relaciona con la diferencia entre el conocimiento accesible a la introspección, y el inaccesible a esta última.
q
eneraúcíacíes <Rjcarcío ViCcliez Cliumacerosido almacenada en lugares específicos, es decir declarativamente. No hace falta decir que algún conocimiento tiene que ser incorporado a los programas, pues de otra manera no serían programas en absoluto, sino meras enciclopedias. El asunto es como repartir el conocimiento entre programas y datos. En el desarrollo de un sistema, si el programador concibe intuitivamente algún ítem específico como dato (o como programa), eso puede tener repercusiones significativas en la estructura del sistema. Es provechoso estar en condiciones de variar entre representaciones procedimentales y declarativas.
Otra de las cuestiones que aparecen en la representación del conocimiento es la modularidad. ¿Hasta qué punto es fácil insertar nuevos conocimientos? Sería útil que aprendiéramos a transplantar modularmente el conocimiento. A su vez, otro aspecto de representación del conocimiento se asocia con su aplicación, es decir precisando en qué se desea utilizarlo. ¿Se entiende que las inferencias son extraídas cuando llegan las piezas de información? ¿Se deben efectuar analogías y comparaciones, permanentemente, entre la información nueva y la información anterior?
d) CONOCIMIENTO DECLARATIVO Y PROCEDIMENTAL.
<;;enerafiáaáes CJ<jcaráo Vi[cfiez Cliumacero
Un programador puede estar en condiciones de hacer un examen y luego decir: "Veo que gracias a estos procedimientos incluidos aquí, el programa 'sabe' escribir oraciones en inglés", pero el programa mismo puede no ser explícitamente sabedor de cómo hace para escribir esas oraciones. Por ejemplo, su vocabulario quizá no incluya, para nada, las palabras inglesas que significan "ingles", "oración" y "escribir". Luego, el conocimiento Procedimental está diseminado por todas las piezas, y no se lo puede delimitar, ni "teclear"; es una consecuencia global del modo como funciona el programa, no en un detalle localizado.
e) ENZIMAS
Según HOFSTADTER et al. [1992], una fuente de analogías para llevar el campo de la circulación de mensajes al campo del procesamiento de información la constituye, la célula. Ciertos objetos de la célula son enteramente comparables con las enzimas. Cada sitio activo de la enzima actúa como un filtro que reconoce exclusivamente ciertas clases de sustratos (mensajes). De tal modo, una enzima tiene, en efecto, una "dirección". La enzima está "programada" (en virtud de su estructura ternaria) para realizar ciertas operaciones con ese "mensaje", y luego devolverlo al mundo. Así, cuando un mensaje circula de una enzima a otra, a lo largo de un recorrido químico, la cantidad de tare.as cumplidas puede ser muy grande. Y a hemos d escrito las elaboradas clases de mecanismos de retroalimentación que pueden funcionar en las células (sea por inhibición o por represión). Estos mecanismos muestran que pueden surgir complicados controles de procesos, completamente generados por el tipo de circulación de mensajes que existe en la célula.
qenera{úíacíes 1?.jcardo ViCcliez Cliumacero
desencadenadas por el arribo de un sustrato. Cuando esto se produce, la enzima entra súbitamente en acción. Este género de programa de "disparo inmediato" ha sido utilizado en Inteligencia Artificial, bajo el nombre de demonio. Lo importante aquí es la idea de contar con muchas "especies" diferentes de subrutinas desencadenables que permanecen a la espera de que se las dispare. En las células, todas las moléculas compuestas y los orgánelos son construidos mediante un paso simple tras otro.
Algunas de estas nuevas estructuras son también, frecuentemente, enzimas, y participan en construcción de nuevas enzimas, etc. Tales cascadas recursivas de enzimas pueden tener efectos drásticos sobre lo que está haciendo una célula. Uno querría v er e I m ismo proceso d e montaje p aso s imple t ras paso simple en Inteligencia Artificial.
1.2. SISTEMAS EXPERTOS
En la actualidad, una de las diferencias básicas que existen entre las computadoras y los seres humanos tiene que ver con la utilidad práctica del material memorizado. Esta diferencia consiste en que, mientras una computadora almacena información que únicamente puede se de explícita por un programa, el ser humano "aprende". En el hombre, la adquisición de una nueva información modifica su comportamiento (o forma de pensar), en la medida que le aporta nuevos criterios para la toma de decisiones, tanto a escala consciente, como inconsciente. El hombre debe su gran capacidad de adaptación, también llamada plasticidad, a su habilidad para aprender.
1.2.1. DEFINl'CION
<;enerafi.dades <Rj,cardo 'ViCcfiez Cfiumacero
lenguajes y programas especiales de sistemas expertos además de hardware diseñado para ayudar a su desarrollo y ejecución.
El
conocimiento de los sistemas expertos puede obtenerse por experiencia o consulta de los conocimientos que suelen estar disponibles en libros, revistas y con personas capacitadas. Los términos Sistema Experto, Sistema Basado en Conocimiento, o Sistema Experto Basado en Conocimiento son sinónimos. [GUIARRATANO, 2001].Un sistema experto almacena conocimientos y hace inferencias, en forma similar a un experto humano. La investigación realizada en el campo de la Inteligencia Artificial durante las dos últimas décadas está dando como resultado Sistemas Expertos que investigan nuevas posibilidades de negocios, aumentan la rentabilidad global, reducen costos y proporcionan servicios excelentes a los consumidores y clientes.
1.2.2. CARACTERÍSTICAS Y LIMITACIONES
Las características de un sistema experto son las siguientes:
• Pued� explicar su razonamiento o decisiones sugeridas. Una característica valiosa de un sistema experto es la capacidad de explicar cómo y por qué se llegó a una decisión o solución.
• Puede mostrar un comportamiento "inteligente". Al examinar un grupo de datos, un sistema experto puede proponer nuevas ideas o métodos para la solución del problema.
• Puede obtener conclusiones de relaciones complejas. Los sistemas expertos pueden evaluar relaciones complejas para llegar a conclusiones y solucionar problemas.
qeneraúáaáes <í&,caráo o/i[cnez Cnumacero
para capturar conocimientos humanos que en caso contrario podrían perderse.
• Puede hacer frente a la incertidumbre. Una de las características más importantes de un sistema experto es su capacidad para enfrentar conocimientos incompletos o inexactos en su totalidad.
Aunque estas características de los sistemas expertos son impresionantes, otras limitan su utilidad actual. Muchas de esas limitantes se relacionan con inquietudes de costos, control y complejidad como son: no se han probado en forma extensa, dificultad de uso, no pueden enfrentar problemas mixtos, no pueden perfeccionar su propia base de hechos, altos costos de desarrollo y dificultad de mantenimiento.
1.2.3. FACTORES
A continuación se presenta una lista de factores para poner en operación un sistema experto.
+ Proporciona un alto potencial de rendimiento o reduce el riesgo en forma importante.
+ Puede capturar y conservar conocimientos humanos irremplazables. + Puede desarrollar un sistema más consistente que los expertos
humanos.
+ Pued� proporcionar conocimientos en varias ubicaciones al mismo tiempo o en un ambiente hostil peligroso para la salud humana. + Puede proporcionar conocimientos costosos y poco comunes.
+ Puede desarrollar una solución con más rapidez que los expertos humanos.
qenerafiáaáes <Rjcaráo 'Vi[cfiez Cfiumacero
1.2.4. DESARROLLO DE SISTEMAS EXPERTOS
En el Desarrollo de los Sistemas Expertos se requiere de un método. Este incluye determinar el área o la disciplina de investigación, poner en operación los resultados y mantener y revisar el sistema completo.
La especificación de los requisitos para un sistema experto se inicia con la identificación de los objetivos del sistema y su uso potencial. Identificar a los expertos puede ser difícil. Para el desarrollo de los elementos del Sistema Experto son necesarias las habilidades especiales. La puesta en operación del sistema experto incluye ponerlo en acción y asegurarse de que funciona como se desea. Al igual que otros sistemas de computación, a los sistemas expertos se les debe revisar y ·dar mantenimiento en forma periódica.
Plau1eamie11to del Problema
Encontrar Expertos Humanos
Diseüar Sistema Experto
Elegir Hemmúenta Desmrnllo
Con:;tmir Prototipo
Probar Protoíipo
Refinamiento y Generalización
Mantenimiento y Puestn <11 dfa
qenera[úíaáes <J?Jcaráo 'Vi[cfiez Cfiumacero
CASTILLO et al. [1998], sugieren las etapas, mostradas en la Figura 1.3, para el diseño e implementación de un sistema experto:
1. Planteamiento del problema. La primera etapa en cualquier proyecto es normalmente la definición del problema a resolver. Puesto que el objetivo principal de un sis�ema experto es responder a preguntas y resolver problemas, esta etapa es quizás la más importante en el desarrollo de un sistema experto. Si el sistema está mal definido, se espera que el sistema suministre respuestas erróneas.
2. Encontrar .expertos humanos que puedan resolver el problema. En algunos casos, sin embargo, las bases de datos pueden jugar el papel del experto humano.
3. Diseño de un sistema experto. Esta etapa incluye el diseño de estructuras para almacenar el conocimiento, el motor de inferencia, el subsistema de explicación, la interfase de usuario, etc.
4. Elección de la herramienta de desarrollo, Shell, o lenguaje de programación. Debe decidirse si realizar un sistema experto a medida, o utilizar un Shell, una herramienta, o un lenguaje de programación. Si existiera un Shell satisfaciendo todos los requerimientos del diseño, ésta debería ser la elección, no sólo por razones de tipo financiero sino también por razones de fiabilidad. Los Shells y herramientas comerciales están sujetas a controles de calidad, situación que no se da en otros programas.
5. Desarrollo y prueba de un prototipo. Si el prototipo no pasa las pruebas requeridas, las etapas anteriores (con las modificaciones apropiadas) deben ser repetidas hasta que se obtenga un prototipo satisfactorio.
6. Refinamiento y generalización. En esta etapa se corrigen los fallos y se incluyen nuevas posibilidades no incorporadas en el diseño inicial.
<;¡eneraGdades <Rjcardo 'Vi[cliez Cliumacero
Todas estas etapas influyen en la calidad del sistema experto resultante, que siempre debe ser evaluado en función de las aportaciones de los usuarios.
1.2.5. LOGICA DE PRIMER ORDEN.
Uno de los primeros conceptos que se debe conocer para entender los Sistemas Expertos es el de la Lógica de Primer Orden, cuyos alcances o ntológicos s on amplios. Uno d e e llos es considerar que el mundo está constituido por objetos, es decir, entes (entidades individuales) y propiedades que los distinguen de otros objetos.
Entre estos objetos, existen diversos tipos de relaciones. Algunas de éstas son las funciones: relaciones en que a una "entrada" corresponde un solo "valor". No es difícil ofrecer una lista de ejemplos de objetos, propiedades, relaciones y funciones:
• Objetos: gente, casas, números, teorías, peces, colores, partidos de fútbol, guerras, siglos, etc ...
• Relaciones: h ermano de, m ayor que, dentro de, parte de, de color, sucedió luego de, es el dueño de ...
• Propiedades: rojo, redondo, de varios pisos, falso, lo mejor ....
• Funciones: padre de, mejor amigo de, tercer tiempo de, uno más que ...
De hecho, prácticamente cualquier hecho se refiere a objetos y a propiedades y relaciones. Veamos algunos ejemplos:
• "Uno más dos es igual a tres"
qeneraúdades <Rjcardo 'Vi[cliez Cfiumacero
La lógica de primer orden ha cobrado tanta importancia en matemáticas, filosofía e inteligencia artificial precisamente porque resulta muy práctico concebir que esos campos se ocupan de objetos y de las relaciones que éstos guardan entre sí. No se pretende afirmar que el mundo realmente está formado por objetos y relaciones, sino que el esquematizar el mundo de esta forma nos facilita la tarea de razonar sobre él. Mediante la lógica de primer orden también es posible expresar hechos sobre los objetos y relaciones del universo, pero, su alcance ontológico no abarca cosas como categorías, tiempo y acontecimientos, aspectos que forman también buena parte del mundo.
En los sistemas expertos se emplean la lógica de primer orden porque es universal en el sentido de ser capaz de expresar todo aquello que se pueda programar. Se eligió el estudio de la representación de conocimiE:mto y del razonamiento a través de la lógica de primer orden porque es, hasta ahora, el esquema que más se ha estudiado y se le conoce mejor.
qenera[úíaáes <Rjcaráo 'Vi[cfiez Cliumacero
Otros conceptos que comúnmente se emplean al hablar de la lógica de primer orden se dan a continuación:
RAZONAMIENTO. Es un tipo de pensamiento que consiste en obtener una conclusión a partir de unas premisas. Aunque raras veces se explica la distinción, "razonamiento" tiene sus acepciones, una procesal (la actividad del agente que razona) y otra funcional (la relación entre las premisas y la conclusión).
TERMINO$. Es una expresión lógica que se refiere a un objeto. Por lo tanto, lo signos d e constante son términos. A veces es más p ráctico utilizar una expresión para referirse a un objeto.
DOMINIO. En la representación del conocimiento, un dominio es un fragmento del mundo acerca del que deseamos expresar un determinado conocimiento
1.2.6. INGENIERIA DEL CONOCIMIENTO
qeneraCiáaáes <J?jcaráo 'Vi[cfzez Cfzumacero
Una buena base de conocimientos debe ser clara, correcta, expresiva, concisa, · inequívoca, independiente del contexto y eficiente. Es necesario asegurarse de que estén bien definidas todas las relaciones de verdadera importancia, y suprimir todo detalle irrelevante. Considerando que habrá que establecer compromisos entre las propiedades, p ociemos h acer s implificaciones q ue s acrifiquen algo d e exactitud a cambio de una mayor claridad y concisión. Asimismo, lo relativo a la eficiencia es un aspecto más difícil de resolver. Lo ideal es conservar la separación entre la base de conocimientos y procedimientos de inferencia. Esto permitirá al creador de la base de conocimientos ocuparse sólo del contenido del conocimiento, no de cómo se. le utilizará en el procedimiento de inferencia. Este deberá obtener siempre las mismas respuestas, independiente de cómo esté codificado el lenguaje. En la medida de lo posible, el garantizar una inferencia eficiente es tarea del diseñador del procedimiento de inferencia, el que por ningún motivo deberá distorsionar la representación.
qeneraCüíacíes <Rjcardo 'Vi[chez Chumacera
1.2.7. ONTOLOGIA
La Ontología permite incluir decisiones sobre como representar una amplia gama de objetos y relaciones. Su codificación se realiza mediante la lógica de primer orden, aunque asume ciertos compromisos ontológicos que la lógica en mención no hace. En cualquier área de la ontología especial es posible realizar cambios y así lograr una generalización. Son dos las características principales de las ontologías para propósito general que las diferencian del grupo de la ontología para casos especiales:
• Las ontologías de propósito general deben funcionar en prácticámente cualquier dominio especial (previa adición de los axiomas correspondientes a este dominio). Es decir, en la medida de lo posible no deberá pasarse por alto ningún elemento de la representación.
• Existen dominios muy exigentes, en donde es necesario unificar diversas áreas del conocimiento puesto que el razonamiento y la resolución de problemas pueden llegar a implicar simultáneamente a varias áreas.
Según NILSSON [2001], el estudio de la ontología de propósito general está orggnizado de acuerdo con los siguientes subtemas:
q
eneraúcfacfes IJ?jcarcfo 'Vi[cfiez Cfiumacero• Medidas: En muchos casos, mediante propiedades útiles tales como masa, edad y precio se establece una relación entre objetos y cantidades especiales a las que denominamos medidas. Aquí se explica cómo se representan las medidas en la lógica y qué relación guardan con las unidades de medida.
• Objetos compuestos: Es muy común que los objetos formen parte de las categoría en virtud de la estructura de su constitución.
• Tiempo, espacio y cambio: Para poder incorporar acciones y hechos de distinta duración pero que se producen simultáneamente, ampliamos nuestra ontología del tiempo. La noción básica es la de un universo continuo en sus dimensiones tanto espaciales como temporales. La hora, el lugar y los objetos formaran parte de este universo.
• Hechos y procesos: Hechos tales como la compra de un tomate se convierten en individuo en nuestra ontología; y como los tomates, se les agrupa en categorías. Cada hecho tiene lugar en sitios y momentos determinados. Los procesos son hechos continuos y homogéneos por naturaleza, como un aguacero o cocinar tomates. • Objetos físicos: Entes que se prolongan en el tiempo y en el
espacio. Los objetos físicos tienen mucho en común con los hechos. • Sustancias: A diferencia de objetos como tomates que es fácil
caracterizar, hay sustancias como el jugo de tomate cuya representación es un poco elusiva.
qenera[üíades CJucardo 'Vi[cfiez Cliumacero
Todo
Objetos Abstractos Hechos
Conjuntos Números Objetos de Intervalos Lugares Objetos Físicos Procesos
Categorías
Representación
Oraciones Mediciones Momentos
Veces Pasos
Objetos Materia
Animales Agentes Sólido Líquido Gas
Humanos
Figura 1.4. El nivel más elevado de la ontología del mundo.
La organización de objetos en Categorías es una parte medular en la representación del conocimiento. Si bien la relación que se establece con el mundo se produce a nivel de objetos individuales, buena parte del razonamiento se realiza a nivel de categorías. Las categorías nos permiten· hacer predicciones acerca de los objetos, una vez que éstos se clasifican. Es posible inferir la existencia de un objeto determinado a partir de .una información perceptual, inferir qué tipo de miembro es el objeto d�ntro de una categoría con base en las propiedades que se hayan percibido de dicho objeto y luego utilizar la información en la categoría para hacer predicciones sobre los objetos.
q eneraúáaáes IJ?jcaráo 'Vi[cfiez Cfiumacero
función se convierten en un objeto del lenguaje. Ejemplo: Tomates es un signo constante que se refiere al objeto constituido por el conjunto de t odos I os t o mates. P ara d ecir q ue x e s u n t o mate, s e e scribe x E
Tomates,
Las categorías desempeñan un papel más importante porque sirven para organizar y simplificar la base de conocimientos a través de la Herencia. Las relaciones de subclase organizan las categorías en una Taxonomía o Jerarquía taxonómica. Durante siglos las taxonomías se han empleado d e m anera evidente en diversos c ampos t écnicos, p or ejemplo 'la Biología Sistemática ofrece una taxonomía de todos los seres vivientes así como el de las especies extinguidas; la Bibliotecología ha desarrollado una taxonomía de todos los campos del conocimiento, una de cuyas codificaciones es el sistema decimal de Dewey; las autoridades tributarias y otras entidades gubernamentales han desarrollado taxonomías de ocupaciones y productos comerciales. Las t axonomías t ambién s on un a specto i mportante del c onocimiento de la realidad cotidiana.
qeneraúáaáes <J?jcaráo o/i{cfiez Cnumacero
particulares en sí, sino en el hecho de que las medidas permiten una ordenación. Aún cuando las medidas no estén representadas por números, es posible compararlas mediante signos de ordenación como >
Tener la .idea de que un objeto puede ser parte de otro nos es familiar. Todo objeto que esté formado por partes se denomina objeto compuesto. Las categorías de los objetos compuestos normalmente se caracterizan mediante la estructura de dichos objetos, es decir, por sus partes y cómo se relacionan éstas entre sí. Quizás al mundo se le podría considerar constituido por objetos primitivos (partículas) y por los objetos compuestos construidos con estas partículas.
1.3. BIOSISTEMAS
La biosfera es una entidad autorreguladora con capacidad de mantener nuestro planeta saludable controlando nuestro ambiente físico y químico. La tierra es un s'uperecosistema (pero no u n s uperorganismo, puesto que su desarrollo no es controlado genéticamente) con numerosas funciones interactuantes y ciclos de retroalimentación que moderan extremos de temperatura y mantienen relativamente constante la composición química de la atmósfera y los océanos.
1.3.1. ECOSISTEMA
<;eneraúáaáes �caráo 'Vi{cliez Cfiumacero
Las características de los Ecosistemas son:
• Los ecosistemas son ricos en redes de información las cuales incluyen flujos de comunicación física y química que conectan todas las partes y dirigen o regulan el sistema como un todo.
• Los componentes del ecosistema están acoplados en redes gracias a diversos mensajeros físicos y químicos análogos a mensajeros nerviosos y hormonales de los organismos, pero mucho menos conspicuos.
• Los ecosistemas tienen más de un estado de equilibrio y a menudo regresan a uno diferente después de ser perturbados.
• Los nuevos ecosistemas o nuevas relaciones huésped-parásito tienden a oscilar con más violencia y a sufrir sobrecrecimientos, lo que no sucede con los sistemas maduros, en los que los componentes tiene ocasión de ajustarse entre sí.
• Los ecosistemas tienden a volverse más complejos en los ambientes físicamente benignos, lo que no sucede cuando están sujetos a perturbaciones fortuitas.
• El ecosistema no es equivalente al organismo, ya que tiene propiedades emergentes que le son propias.
• Los ecosistemas acuáticos y terrestres tienen la misma estructura básica y funciones similares, difieren en composición biótica y tamaño de los componentes tróficos.
• Tanto en los ecosistemas acuáticos como en los terrestres, una buena parte de la energía solar se disipa durante la evaporación de agua, de modo que sólo una pequeña fracción, generalmente menos del 5% se fija por fotosíntesis.
q eneraúáaáes <J?jcaráo 'Vi[cliez Cliumacero
• Los sistemas vivientes usan parte de la energía internamente disponible para autorrepararse y "extraer" el desorden; las máquinas tienen que ser reparadas y substituidas mediante el uso de energía externa.
• La energía es utilizada una sola vez por un organismo determinado, para luego convertirse en calor al salir del ecosistema.
• No es posible la existencia de sistemas vivos termodinámicamente cerrados. Todo componente vivo, sea organismo o ecosistema, debe tener un ingreso constante de energía proveniente de su medio.
• La mayor concentración de clorofila se encuentra en comunidades estratificadas como los bosques y, es generalmente, es más alta en la tierra que en el agua.
• La mayoría de los ecosistemas naturales funcionan como sistemas de detritos, pues el 90% o más de la producción autótrofa no son consumidos por los heterótrofos hasta que las hojas, tallos y otros grupos vegetales mueren para convertirse en materia orgánica, en partículas, y disuelta en agua, sedimentos y suelos.
• Conforme el tamaño y la complejidad del sistema aumenta, el costo energético de mantenimiento tiende a aumentar proporcionalmente, pero con más rapidez. La duplicación del tamaño suele requerir más del doble de energía destinada a reducir la mayor entropía asociada con el mantenimiento de la nueva complejidad estructural y funcional.
[Odum, 1985].
<;eneraúáaáes <Rjcaráo 1/iCcfiez Cfiumacero
pueden ser concebidos o estudiados en cualquier nivel, como se aprecia en la Figura 1.5, o en cualquier posición intermedia que convenga o sea práctica para el análisis. Por ejemplo, los sistemas huésped-parásito, o cualquier sistema de dos especies de organismos mutuamente relacionados (como la asociación entre hongo y alga que constituyen los líquenes), son niveles intermedios entre la población y comunidad.
COMPONENTES BIOTICOS
COMPONENTES ABIOTICOS
BIOSISTEMAS
Comunidades
+
fMATERIA � ENERGIA
ECOSISTEMA
Figura 1.5. Los niveles de organización
qenera[iáaáes CJ?jcaráo 'Vi[cfiez Cfiumacero
crecimiento y las funciones corporales. Por encima del nivel de organismos, el control mediante los circuitos de retroalimentación positiva o negativa es mucho menos preciso, así que cuando las condiciones se acercan a los límites, existen tendencias a mantener un estado pulsante en lugar de uno estable. Waddington (1975) acuñó el término Homorresis (del griego homeorhéin que significa mantenimiento del flujo) para describir la estabilidad evolutiva y ecológica en oposición a la Homeostasis (del griego homeostasis que significa mantenimiento del estado estático), término ampliamente utilizado para describir la estabilidad fisiológica a nivel del organismo.
Ecosfera
Ecorregiones
Entornos
t
EcosistemasPoblaciones
t
Organismost
o,,r
T�r Células
t
Moléculas
t
Atamos
Sin control de punto fijo. La retroalimentación (positiva y negativa) mantiene dentro de los
límites pulsantes (homeorresis)
Controles de punto fijo mantiene dentro de los límites los estados estables (homeostasis)
qenera[iáaáes !Rj,caráo o/i[cfiez Cfiumacero
1.3.2. ESTRUCTURA TROFICA
Según SMITH [2001], desde el punto de vista de la estructura trófica, los ecosistemas poseen dos estratos: 1) el estrato autótrofo, superior o "faja verde" de plantas clorofilianas o partes de las mismas, en las que predominan la fijación de la energía lumínica, el uso de sustancias inorgánicas simples y la síntesis de sustancias orgánicas complejas, y 2) el estrato heterótrofo inferior, o "faja café", que consta de suelos y sedimentos, materia en descomposición, raíces, etc., en los que predomina la utilización, reorganización y descomposición de materiales complejos.
Las especies se agrupan en categorías llamadas niveles tróficos. El primer nivel trófico pertenece a los productores o plantas; su fuente de energía es el sol, y sus nutrientes provienen del suelo, el agua y la atmósfera. El segundo nivel trófico pertenece a los herbívoros o comedores de vegetales, que constituyen los consumidores primarios. Los herbívoros son capaces de transformar en tejido animal la energía almacenada en forma de tejido. Su función es esencial para el ecosistema, pues sin ellos los niveles tróficos superiores no existirían. Sólo los herbívoros pueden vivir con una dieta rica en celulosa. Los herbívoros, a su vez, son la fuente de energía para los carnívoros, animales. que se alimentan de otros animales: Aquellos que se alimentan directamente de los herbívoros son los carnívoros primarios o consumidores secundarios. Estos a su vez, constituyen la fuente de energía para los carnívoros secundarios o consumidores terciarios. No todos los consumidores se ubican claramente en un nivel trófico, ya que muchos no limitan su alimentación a un único nivel, así por ejemplo algunos peces se alimentan de plantas y animales.
qeneral:iáaáes <Ju,caráo 'Vifrliez Cliumacero
Fitoplancton, macroalgas y zooplancton proporcionan materia orgánica disuelta,· siendo las algas las principales contribuyentes. En ciertos estadios de su ciclo vital, en particular durante las fases de crecimiento rápido, el fitoplancton y otras algas excretan cantidades de materia orgánica, que se disuelven en el agua. Las bacterias concentran esos nutrientes al incorporarlos en su propia biomasa: Los ciliados y el zooplancton se comen entonces a estas bacterias y excretan nutrientes en el agua en forma de exudados o bolitas fecales. El zooplancton, cuando la comida es abundante, consume más de lo que necesita, excretando más de la mitad como material fecal, lo que constituye una fracción significativa de la materia en suspensión. Esta materia es atacada por bacterias que utilizan compuestos orgánicos y la energía que contienen. De esta forma el ciclo vuelve a empezar.
En la estructura trófica de un ecosistema, podríamos emplazar a los organismos descomponedores en el nivel de los herbívoros o de los carnívoros, dependiendo de su fuente de alimento. Este planteamiento incorporaría a los descomponedores en varios niveles de la cadena trófica dentro de los grupos generales de la cadena alimenticia. Cuando los ecólogos siguen el flujo de energía a través de un ecosistema, tienen que rastrear el flujo de energía entre niveles tróficos. También tienen que definir la conexión entre las dos cadenas tróficas, herbívoras y detritívoras, y medir las pérdidas del ecosistema producidas por la respiración.
qeneraúcfacfes <Rjcarcfo 'Vi[cliez Cfiumacero
hasta los cuadros designados como detritos o materia orgánica muerta. Existe una notable diferencia en el flujo de energía entre niveles tróficos de las dos cadenas. En los herbívoros el flujo es unidireccional, siendo la producción neta primaria la que proporciona la fuente de energía a los carnívoros. En la cadena de los descomponedores el flujo de energía no es unidireccional. Los materiales de desecho y la materia orgánica muerta (organismos) de cada uno de los niveles tróficos de los consumidores son "reciclados", volviendo como una nueva entrada en el cuadro de la materia orgánica muerta en base a la cadena detritívora. Además, los niveles superiores de la cadena de los detritívoros proporciona energía para los niveles superiores (mediante la depredación) de la otra cadena.
R CADENA TROFICA DE
LOS HERBIVOROS
R
R
CADENA TROFICA DE LOS DETRIVOROS
....,._..¡
DESCOMPONEDORES RR
R
<;enera[ú[ades <J?jcardo 'Vi[cfiez Cliumacero
1.3.3. COMUNIDAD ECOLÓGICA
Según ODUM [1998], la naturaleza, al igual que las sociedades humanas bien ordenadas, tiene sus especialistas y sus generalistas en lo referente a nichos ecológicos (función ecológica de un organismo en su comunidad) o profesiones. Hay insectos, por ejemplo, que se alimentan de una parte especial de una especie de planta mientras que otros insectos se alimentan de docenas de especies vegetales distintas. En general, los especialistas son eficientes en el uso de sus recursos (puesto que todas sus adaptaciones y conductas se concentran en un modo de vida especializado); por tanto, a menudo se hacen abundantes cuando sus recursos se hacen ampliamente disponibles. Pero el especialista es vulnerable a cambios o perturbaciones que afectan su reducido nicho. Puesto que el nicho de las especies no especializadas tiende a ser más amplio, ellas son más adaptables a ambientes cambiantes o fluctuantes, aunque nunca abundan tanto localmente como los especialistas.
La mayo'ría de las comunidades naturales contienen tantas especies y variedades (incluyendo tanto especialistas como generalistas), que sería imposible catalogar todos los tipos de plantas, animales y microorganismos presentes en cualquier extensión grande de un lago o bosque. Por fortuna, no es necesario conocer todas las especies para evaluar su cometido en la estructura de la comunidad y su funcionamiento, dado que una característica de las comunidades naturales es que contienen comparativamente pocas especies comunes ( representadas p or g rancies c antidades d e i ndividuos o u na gran b iomasa) y u na c antidad c omparativamente g rande d e e species raras en .cualesquiera lugar y tiempo dados.
q
eneraúáaáes <RJcaráo Vifrnez Cnumaceropueden representar la mayor parte de la biomasa y el metabolismo de la comunidad, esto no significa que las especies raras o menos comunes no sean importantes. Las especies que ejercen algún tipo de influencia controladora, sean o no dominantes, se denominan Especies Clave (puntales). Globalmente las especies raras tienen un efecto apreciable, y determinan la diversidad de la comunidad como un todo. Si las condiciones se hacen desfavorables para los dominantes, especies menos comunes adaptadas a las nuevas condiciones o tolerantes a ellas, pueden abundar y asumir funciones vitales.
El ser humano ha modificado en gran medida la composición de las comunidades bióticas dondequiera que se ha establecido, no solo modificando el a mbiente s ino también e liminando algunas especies e introduciendo otras nuevas, tanto inadvertida como deliberadamente. Ya sea que una introducción implique sustituir una especie por otra en el mismo nicho u ocupar un nicho vacante, el efecto global sobre el funcionamiento del ecosistema puede ser neutro, benéfico o perjudicial.
qeneraúáaáes (íV,caráo 'Vi{cfiez Cfiumacero
Los componentes de la diversidad: 1) el componente riqueza o variedad, que puede expresarse como la cantidad de tipos (variedades genéticas, especies, categorías de uso de s uelo, etc.) por unidad de espacio . o como una razón de tipos sobre cantidades, y 2) el componente de abundancia o distribución de individuos entre los tipos. Así, dos comunidades pueden tener la misma cantidad de especies pero ser muy distintas en términos de abundancia relativa o dominancia de cada especie. Por ejemplo, es posible que dos comunidades tengan cada una diez especies, pero una comunidad puede tener el mismo numero de individuos en cada especie, mientras que la mayoría de individuos en la otra comunidad pueden pertenecer a una especie dominante.
La diversidad tiende a ser mínima cuando las condiciones físicas son limitantes para la vida (por ejemplo, en el Ártico, en un lago salado o en un río contaminado) y máxima en ambientes benignos en que las condiciones son favorables para una gran variedad de formas de vida. Según la_ llamada Hipótesis de los Disturbios Intermedios un disturbio moderado, por fuerzas externas a la comunidad, puede incrementar la diversidad en cualquier comunidad, sin importar su posición en un gradiente ambiental. La variedad de los organismos enriquece nuestra vida y tiene un gran valor práctico. Es mucho más seguro contar con más de un tipo de organismo que realice una función vital. No sabemos si una especie rara, de planta o animal, proporcionará un nuevo fármaco
o
será necesaria para sustituir a otra común que es victima de una enfermedad.qeneraúáaáes <Rjcaráo ViCcnez Cnumacero
en los sectores gubernamental, legal y privado para identificar y proteger especies en peligro de extinción, así como para conservar una elevada diversidad de especies silvestres. Esfuerzos similares se realizan en Latinoamérica por establecer bancos genéticos a fin de preservar tantas variedades de plantas alimenticias como sea posible, para recuperarlas en el caso de que una de las que son de uso común en la actualidad llegara a perderse por algún motivo.
1.3.4. PESQUERIAS
Es una agrupación casi natural de barcos, hombres e instrumentos para la explotación de un recurso, en un área más o menos determinada. De acuerdo a conceptos biológicos, el crecimiento es la adición de material, que aumenta el tamaño de una forma determinada; y, desarrollo es reorganización y cambio de componentes, para establecer una nueva forma con nuevos conjuntos de capacidades. La evolución de una pesquería podemos definirla en cuatro etapas principales: desarrollo, crecimiento, estabilización y mantenimiento. [TRESIERRA,
1993].
